비디오: Technology Stacks - Computer Science for Business Leaders 2016 2024
혜택 기능을 제외하고는 가능할 것입니다. 미래의 성과를위한 중요한 지표로서 잠재 노동자의 과거 행동을 고려하는 것은 인간 본성이다. 그러나 노동 과학자들이 수행 한 연구에 따르면 투자자를 위해 다음과 같은 필수 공개를 제공하는 증권 거래위원회 (SEC)와의 제휴가 이루어졌습니다.
과거 성과는 보장이 아닙니다. 미래의 성과
. 평범한 지혜에 직면하면서, 노동 인구 과학자들은 고용주가 고용 결정을 내릴 때 직업 도약 또는 실직 기간과 같은 속성을 지나치게 고려해서는 안된다고 주장한다. 그리고 이러한 인력 과학자들은 그들의 주장을 데이터로 뒷받침 할 수 있습니다. 많은 데이터. 빅 데이터.빅 데이터 과학자들이 수행 한 인력 조사는 품질 감독자와 직원 성과 및 임기 간의 관계의 강도를 실질적으로 강조합니다. 강력한 의사 소통 기술과 개인적인 따뜻함을 지닌 감독자는 직원의 개인적 특성과 업무 경험보다 더 많은 비중을 차지하는 연구 연구의 우위에서 발견되었습니다. 이러한 발견은 경영상의 이해를 거꾸로 뒤집었다. 회귀 분석에 사용되는 단계별 프로세스는 채용, 고용 및 승진에 관한 인적 자원 가이드에서 사용하도록 채택되었습니다. 그러나 이러한 계단식 모델은 통계 모델링 및 전통적인 관리 전략과 같은 많은 응용 프로그램에서 질문을 받고 있습니다. 빅 데이터 지지자들은이 모델들이 불확실성을 적절하게 반영하지 못한다는 것과 틈새를 채울 것으로 기대할 수는 없다고 말하고있다 ( 999).
노동력 관련 시장 조사에 따르면, 자신의 장치에 맡기면 경영자 (인적 자원 부서에 조언을 받거나 종종 제약을 받음)가 잘못되게됩니다. 예를 들어, 관리자는 업무 성과와 본질적으로 관련이없는 몇 가지 중요한 방식 (성별, 연령, 동창회 자격, 팀 소속, 레크리에이션 관심사)으로 직원을 고용하는 경향이 있습니다. 이것이 시간이 지남에 따라 의미하는 바는 기업이 근본적으로 자신의 상사의 클론 인 특정유형의 직원
을 향해 실질적으로 인력을 왜곡 할 수 있다는 것입니다. 이러한 상황이 직원들에게 더 큰 위안이 될 수는 있지만 이러한 유사성 때문에 직무 수행이 더 나아질 것이라고 보장하지는 않습니다.사실, 그 반대가 사실 일 수 있습니다. 높은 수준의 동질성은 재앙이 될 수있는
그룹의 사고 방식을 초래할 수 있습니다. 이러한 유형의 실패의 예로는 부적절한 우주 왕복선 챌린저의 O- 링 문제, 2008 년 재정 붕괴의 신용 스왑에 대한 막대한 투자, 알고리즘의 퀴즈에 대한 과신힘, 그리고 역사가들에게는 튤립 매니아 1600 년대의 또한, 기존의 인적 자원 프로세스와 비교하여 빅 데이터 기술을 사용하여 검토 할 수있는 잠재적 인 직원의 수는 엄청납니다. Moneyball이 보여 주듯이 사람들의 모든 디지털 활동은 상대적으로 저렴한 비용으로 수집 할 수 있으며 데이터는 기술, 의사 소통 및 업무 속성에 대한 통찰력을 얻기 위해 채취됩니다. 디지털 트레 일은 전화 통화, 인스턴트 메시징, 전자 메일, 웹 페이지 클릭 및 작성 코드로 구성됩니다. 디지털 원주민은 특히 소비자가 떠나가는 흔적에 대해 신경을 쓰지 않는 것처럼 보입니다. 고용 형태의 기업의 경우, 이러한 쉬운 선택은 모집 및 채용 결정에 도움이됩니다.Gild는 유능한 프로그래머의 발견을 자동화하기 위해 구조화되지 않은 큰 데이터를 사용하는 신생 기업입니다. Gild는 토론 그룹 및 오픈 소스 프로젝트 프로그래밍에 실시간 참여에 대한 디지털 증거를 검토하여 공개 코드 및 소셜 네트워킹 활동을보고 사람들이 할 수있는 일과 수행 방식을 수치화하려고합니다. 종종 자신의 관심사를 따르거나 그들 자신의 특정한 유혹을 쫓고있다. 뉴욕 타임즈
의 최근 기사에서 전문직 종사자를위한 신입 사원 채용 방법 Matt Richtel은 다음과 같이 적었습니다. 실리콘 밸리의 사람들은 특정 가정 : 진도, 효율성 및 속도는 좋다. 기술은 대부분의 것을 해결할 수 있습니다. 변화는 불가피하다. 방해를 두려워해서는 안됩니다. 그리고 다른 무엇보다도, 장점이 우선합니다. 케니 멘데스 (Kenny Mendes)는
길드 (Gild)는 우리가 잘 알고있는 새로운 후보자를 일관되게 우리에게 주었지만, 다른 곳에서는 발견하지 못했을 것이라고 주장한다.
아마도 Gild는 질적 인 데이터의 중요성에 대해서도 마찬가지입니다. Ming and Gild 창립자 인 Luca Bonmassar와 같은 과학자들의 회의론 (명확한 질적 변수) 없이는 인적 자원 사일로의 전통적인 벽이 깨지지 않았을 것입니다. 구글의 인적 분석 전문가들은 사람들의 의사 결정이 제품 결정만큼이나 중요하다고 생각한다고 말한다. Google은 기업의 초기시기에 고용했을 때 숫자와 성적 및 학위에 의존하지 않습니다.
소비자 부채 소송의 타임 라인 : 소비자 채무 소송의 타임 라인
KIND 바 라벨링 문제는 식품 라벨을 테스트하는 유일한 이유는 아닙니다
광고는 완전히 정직 할 수 있습니까?
광고에 100 % 정직이 있다면 어떨까요? 우리가 광고주로서 자신에게 정직하다면, 우리는 스스로를 불가능한 일로 설정하고자합니다.